Spirula Studio 是一个自包含的跨平台 3D 高斯泼溅训练工具，用 C++ 编写，支持从视频或照片到泼溅再到网格的全流程，无需 Python 或 COLMAP，通过 Vulkan 或 CUDA 后端在 NVIDIA、AMD、Intel 和 Apple GPU 上运行。
项目做什么
该项目旨在提供一个一体化的 3D 高斯泼溅训练解决方案，将视频或照片转换为可渲染的泼溅表示和带纹理的网格。它试图消除传统流程中对 Python、PyTorch 和独立 COLMAP 安装的依赖，将结构从运动、帧提取、AI 掩码、训练和网格化集成到单个二进制文件中。其目标是让用户能够在不同厂商的 GPU 上，以较低显存开销训练大规模高斯模型，并原生支持鱼眼和 360 度相机数据。
与同类方案相比
根据 README，该项目通过 Vulkan 计算实现跨厂商 GPU 支持，可在 NVIDIA、AMD、Intel 和 Apple 设备上运行；采用量化训练策略，能在 8GB 显存内训练最多 1000 万个全球谐高斯；原生支持 360 度相机和等距柱状投影，无需预畸变；内置快速 SfM、AI 掩码和视频帧提取，省去 COLMAP 等外部工具；还提供双语界面和 CLI 用于远程训练。此外，它提供 Vulkan 和 CUDA 两种后端，功能相同，性能差异据称仅在几个百分点内。
设计与创新
其创新点包括：结合 MCMC、IGS+ 和 MRNF 优点的单一训练策略，声称能获得更锐利结果和更少漂浮物；针对曝光和白平衡校正的改进双边网格与 PPISP 方法；利用视频和图像元数据恢复度量尺度和方向的机制；以及 SfM 模块对 LoMa 特征检测与匹配的支持以处理困难数据集。这些特性在 README 中有描述，但缺乏第三方验证或详细技术细节，因此其实际效果和创新程度尚无法独立验证。
适用场景
该项目适用于需要从真实世界照片或视频重建 3D 场景的场合，例如物体扫描、建筑或环境重建、虚拟现实内容制作以及需要 360 度全景数据的场景。其 CLI 模式适合在远程或云端 GPU 上训练，而 GUI 和跨平台二进制则方便本地用户使用。内置的 SfM 和 AI 掩码功能可简化数据预处理，适合没有深厚摄影测量背景的创作者。此外，它支持导出图像和视频渲染，可用于展示或进一步编辑。
谁会受益
对于希望快速上手 3D 高斯泼溅且不想配置复杂 Python 环境的用户，该项目提供了低门槛的集成方案。跨厂商 GPU 支持和显存效率使得中端硬件也能处理较大规模场景。内置的 SfM 和掩码功能减少了外部依赖，适合个人开发者或小型团队。多语言支持和 Web 查看器提升了易用性。然而，其实际训练质量、速度和稳定性需通过实际使用验证，且依赖第三方模型（如 SAM）可能带来额外步骤。
使用前需要注意
README 指出，启用 GPU 视频解码的 -DSS_ENABLE_PATENTED=ON 选项会带来 AVC/HEVC 专利风险，用户需自行确保合规。AI 掩码依赖 Meta 的 SAM 检查点，首次使用需下载，且 SAM 3 使用非标准许可证，未捆绑在软件中。项目几乎由单人开发和维护，响应可能延迟。此外，未提及对非 NVIDIA 厂商的 CUDA 后端支持，CUDA 仅适用于 NVIDIA GPU。关于性能优势、竞品比较和长期维护能力，由于缺乏独立测试和详细文档，尚无法验证。
本文基于抓取时的项目 README 和仓库简介整理；功能、限制与文档可能随项目更新而变化。